연구진이 OpenAlex 개념 네트워크의 시간 변화를 모델링하여 과학적 돌파구의 구조적 전조를 예측하는 설명 가능한 머신러닝 접근법을 소개했어요.
59가지 의미론적 및 위상적 특징을 활용한 LightGBM 모델은 개념 쌍의 형성 및 미래 가중치를 예측하며, 예상 강도를 정량화하는 회귀 단계를 추가했어요.
이 접근법은 기존 모델보다 정확도와 설명력을 향상시켰으며, 4가지 기술 및 생물 의학 분야에서 검증 결과 ROC-AUC가 0.954~0.967로 기존 모델의 0.90을 상회했어요.